{"product_id":"rag錦囊妙計-使用python-從資料預處理到llm-agents的實用訣竅","title":"RAG錦囊妙計：使用Python｜從資料預處理到LLM Agents的實用訣竅","description":"\u003cp\u003e出版社： 歐萊禮\u003cbr\u003e\n 作者： Dominik Polzer\u003cbr\u003e\n 譯者： 賴屹民\u003cbr\u003e\n 規格： 18.5x23x2\u003cbr\u003e\n 裝訂： 平裝\u003cbr\u003e\n 頁數： 416\u003cbr\u003e\n 出版日： 08\/24\/2026\u003cbr\u003e\n ISBN 13 : 9786264254045\u003cbr\u003e\n 內容簡介： 在各大企業爭相挖掘大型語言模型（LLM）的潛力之際，有一個關鍵難題也開始浮現：如何將這些工具接到即時的外部資料，進而解決實際的問題？ \u003cbr\u003e\n \u003cbr\u003e\n 檢索增強生成（RAG）就是這個難題的解方。RAG 結合 LLM 與資訊檢索技術，可讓你打造各式應用，包括聰明的聊天機器人，乃至於自動執行任務的智慧 agent。 \u003cbr\u003e\n \u003cbr\u003e\n 本書收錄超過 70 個實戰訣竅，帶你透過結構化的實際練習，一一克服生成式 AI 的應用場景。作者 Dominik Polzer 將提供所有工具，協助你為特定的業務需求設計、部署、優化 RAG 系統。無論是處理基本的資料檢索，還是開發尖端的自主代理，這本書都能讓你站在技術最前線。 \u003cbr\u003e\n \u003cbr\u003e\n • 掌握 RAG 的核心元件，包括 embedding、檢索、生成…等關鍵技術。 \u003cbr\u003e\n • 運用進階工作流程，包括語意感知分段（semantic-aware chunking）與多查詢句提示（Multiquery prompting）。 \u003cbr\u003e\n • 為特定資料需求打造自己的解決方案，例如聊天機器人與自主 agent。 \u003cbr\u003e\n • 持續評估與優化系統，以提升準確性、相關性與效能。\u003cbr\u003e\n \u003cbr\u003e\n 目錄： \u003cbr\u003e\n 作者簡介：\u003c\/p\u003e","brand":"歐萊禮","offers":[{"title":"Default Title","offer_id":49289811165323,"sku":null,"price":228.0,"currency_code":"HKD","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0552\/1516\/1483\/files\/ProductPhoto_c66802ad-0960-4567-b516-d3373710165b.jpg?v=1788274337","url":"https:\/\/hkroadsidestand.org\/products\/rag%e9%8c%a6%e5%9b%8a%e5%a6%99%e8%a8%88-%e4%bd%bf%e7%94%a8python-%e5%be%9e%e8%b3%87%e6%96%99%e9%a0%90%e8%99%95%e7%90%86%e5%88%b0llm-agents%e7%9a%84%e5%af%a6%e7%94%a8%e8%a8%a3%e7%ab%85","provider":"香港地攤","version":"1.0","type":"link"}